Tests diagnostiques : sensibilité et spécificité

Dans cours

Description

Cette séance de cours couvre les concepts de sensibilité et de spécificité dans les tests de diagnostic avec des résultats de classification binaires, tels que les tests de grossesse et les tests de biomarqueurs. La sensibilité est la probabilité de fournir une réponse correcte pour les échantillons positifs, tandis que la spécificité est pour les échantillons négatifs. La séance de cours explique comment ces paramètres dépendent du biomarqueur mesuré et de la concentration seuil choisie. Il introduit également la courbe de caractéristique de fonctionnement du récepteur (ROC), qui est utilisée pour comparer les tests de diagnostic en fonction de la sensibilité et de la spécificité. L'importance de la précision dans la détermination de la probabilité d'avoir une maladie donnée un résultat de test positif est également discutée, compte tenu de la prévalence de la maladie dans la population.

Connectez-vous pour regarder la vidéo

Source officielle

https://mediaspace.epfl.ch/media/0_yojjp0zi

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (32)

Concepts associés (14)

En statistique et en épidémiologie, la valeur prédictive d'un test est la probabilité qu'une condition soit présente en fonction du résultat de ce test. Le test doit être dichotomique, c’est-à-dire qu’il ne peut donner que deux résultats différents. La valeur prédictive positive est la probabilité que la condition soit présente lorsque le test est positif. La valeur prédictive négative est la probabilité que la condition ne soit pas présente lorsque le test est négatif.

En statistique, la sensibilité (ou sélectivité) d'un test mesure sa capacité à donner un résultat positif lorsqu'une hypothèse est vérifiée. Elle s'oppose à la spécificité, qui mesure la capacité d'un test à donner un résultat négatif lorsque l'hypothèse n'est pas vérifiée. Ces notions sont d'une importance majeure en épidémiologie et en , notamment au travers des courbes ROC. Cet article présente ces notions dans le cadre de l'application en épidémiologie.

A false positive is an error in binary classification in which a test result incorrectly indicates the presence of a condition (such as a disease when the disease is not present), while a false negative is the opposite error, where the test result incorrectly indicates the absence of a condition when it is actually present. These are the two kinds of errors in a binary test, in contrast to the two kinds of correct result (a and a ).

vignette|Schéma de l'exactitude et la précision appliquée à des lancers de fléchettes. Dans la mesure d'un ensemble, l'exactitude est la proximité des mesures à une valeur spécifique, tandis que la précision est la proximité des mesures les unes par rapport aux autres. L'exactitude a deux définitions : Plus communément, il s'agit d'une description des erreurs systématiques, une mesure du biais statistique ; une faible précision entraîne une différence entre un résultat et une valeur « vraie ».

Une fausse alerte est une fraude d'urgence, causant une panique inutile et/ou l'utilisation de ressources (telles que les services d'urgence) dans un endroit qui ne nécessite aucune aide de leur part. Souvent, la répétition de fausses alertes peut amener, dans certains cas et endroits, les individus à les ignorer sachant qu'à chaque fois, celles-ci pourraient être fausses.